论文部分内容阅读
本文在综述了计算机视觉技术在农产品上应用的基础上,研究了计算机视觉技术在红茶发酵上应用的方法,并探讨了实验中方法在生产上应用的拟解决的问题。1)建立了适用于红茶发酵研究的计算机视觉硬件系统,包括相机、光源的选择,并自制了红茶发酵槽和拍照架。该硬件系统工作较为稳定,对颜色的敏感性及光照强度的稳定性均较佳。2)本实验的图片处理软件选择MATLAB的图像处理模块,将图片中出现的颜色大致分为了第一类颜色(绿色调)、第二类颜色(红色调)、第三类颜色(蓝黑色调),利用RGB、HSI两种颜色空间确定了三类颜色的特征及分割方法,灰度级小于75为第三类颜色蓝黑色调;原图分离第三类颜色后,色调值(H)小于等于0.67的区域为第一类颜色；大于等于0.67的为第二类颜色。得到的分类效果较好。3)描述了红碎茶和工夫红茶发酵过程六组品质特征值感官评分(OE)、茶多酚含量(TP)、茶黄素(TF)、茶汤L*a*b*值,并分别对两种红茶提取了各21个图片特征值(分别是三类颜色的R、G、B、H、S、I值及区域大小Z)进行相关性分析,筛选了相关性较大的特征值建立了线性回归模型。所得的拟合度达到80%且显著性水平达到0.05的模型中,工夫红茶为四组,红碎茶为三组。工夫红茶模型：0E=-91.367+11.823H2,拟合度2=0.969; TP=16.672-21.940S3,拟合度R2=0.836；L*=-48.201+71.115S3+157.826I3,拟合度R2=0.864。红碎茶模型TF=-4.642+27.19313,拟合度R2=0.837;TP=45.558-115.517S1,拟合度R2=0.894；L*=71.021-103.248S3,拟合度R2=0.820; a*=29.752-0.00003Z2,拟合度R2=0.800。4)利用红碎茶和工夫红茶RGBHSI特征值分别建立了基于BP神经网络的红茶发酵程度的判别模型,结果显示,两个模型的判别正确率分别是75%和87.5%,得到的效果较好。